首页 > 科技快讯 > 硅谷不再有奇迹，AI和区块链都是死路一条？

硅谷不再有奇迹，AI和区块链都是死路一条？

晰数塔互联网快讯
2019-03-18 14:11

编者按：本文来自微信公众号“AI前线”（ID：ai-front），作者： Filip Piekniewski；译者：无明，36氪经授权发布。

AI 前线导读： 去年 5 月，计算机视觉和 AI 领域专家 Filip Piekniewski 发文指出人工智能凛冬将至，引发了学术界、产业界对于“AI 寒冬”的热烈讨论。时隔一年之后，Filip Piekniewski 再次撰文，坚称 AI 寒冬将至，并悲观地表示：在硅谷 40 多年的计算机革命浪潮中，AI 和区块链一样，最终都是死路一条。

硅谷曾经充满“奇迹”

20 世纪 80 年代，有一个叫作硅谷的神奇之地。那里即将发生很多奇妙的事情，很多人将在那里赚得盆满钵满。这一切都与计算机奇迹有关，而这些奇迹将改变一切。

硅谷不再有奇迹，AI和区块链都是死路一条？

计算机可以用来做很多事情：彻底改变我们的办公方式、通过电脑游戏来达到娱乐的目的、改变我们沟通、购物和使用银行系统的方式。但在那时，计算机非常笨拙，不仅速度慢还很昂贵。虽然有这样的希望，但除非计算机的速度可以得到数量级的提升，并且价格变得更便宜，否则很多事情都无法实现。

根据摩尔定律，在 70 年代整十年间，集成电路中的晶体管数量每 18 个月翻一番。如果这个定律成立，那么未来将是美好的。市场正在等待这些应用被解锁，然后就等着财源滚滚而来。

到了 90 年代中期，很明显这个定律是有效的。计算机的速度变得越来越快，软件变得越来越复杂。速度如此之快，以至于每年都要进行升级才能跟上进度。新 CPU 运行速度总是明显快于它们的前代，新软件产品的运行速度总是明显慢于它们的前代。

总体来说，通过定期升级到新的硬件，软件的运行速度似乎和以前一样快（或更快一些），但提供了越来越多的功能。大部分的增益都是由于时钟频率的提高（1990 年初是 33Mhz，到 2000 年超过了 1Ghz），因此无需重写任何东西就可以利用这些增强的算力，所有的东西在新计算机上都能够运行得更快。

到了 90 年代末，一种新的处理器问世了：图形处理单元（GPU）。这些处理器与常规 CPU 有些不同。它们经过优化，用来进行 3D 图形渲染，它们的芯片包含了很多用于执行并行处理任务的小型核心。最初它们作为额外的加速器出售，但很快就被集成到普通的显卡中。游戏开始看起来好多了，运行速度也快多了。这再一次让硅谷大亨们将更多的芯片带入了百姓家庭。

硅谷不再有奇迹，AI和区块链都是死路一条？

但到了 2000 年代初期，情况开始变得有所不同。互联网泡沫刚刚破裂，很多人损失了很多钱。此外，提高时钟频率的老策略遇到了一些障碍：为了提高开关速度，必须保持相对较高的电路工作电压，这反过来导致芯片升温，所以随后的速度增益受到了散热能力的限制。

为了让这场盛宴继续下去，CPU 制造商开始增加芯片的核心数量。但是在这一点上，为了利用这种并行性，必须重写大部分软件。后来，事情开始变得不那么神奇了。

但更糟糕的是，在大多数情况下，很多东西不需要再变得更快。大部分软件技术栈已经成熟，应用程序已经固化，人们不再需要每年增加一个新 CPU 或 2 倍内存。很多东西都已经饱和。如今，大部分办公任务都可以用 35 美元的树莓派来完成。

就连游戏机也出现了饱和。这些游戏机的售价低于成本价，最初的投资可以从游戏中隐藏的费用收回。游戏机为绝大多数人提供了方便、易用的界面和令人满意的游戏体验。这对硅谷来说是个问题，很多东西都开始慢了下来。

到了 2000 年代中期，另一项发明——智能手机——出现了。尽管个人电脑市场的发展明显放缓，但这类新产品却在迅速升温，并以 2007 年发布的 iPhone 及其后续机型为代表达到了顶峰。对于智能手机来说，发展的速度并不在于 CPU 的速度，而是电量的使用（电池寿命）和传感器 / 屏幕的质量。

在过去 10 年中，相机和屏幕技术确实取得了巨大进步，但除了一个关键参与者——苹果之外，硅谷大亨们并没有获得多少新的收入。相反，硅谷专注于软件方面的业务，比如 Uber、Netflix 等服务公司以及其他利用新平台的 App。

但从一开始就可以看出，智能手机革命的火焰不会永远燃烧下去。事实上，到 2018 年，大多数人意识到，他们不需要每两年都花 1000 美元购买一部新的智能手机，就像之前的个人电脑一样，旧型号的智能手机对大多数应用程序来说已经足够了。这导致苹果股票在 2018 年秋季遭受重创，估值回到了远低于万亿的水平。

AI 和区块链成为新救星

随着各种市场的枯竭，硅谷需要一些新鲜的血液。这和 90 年代的个人电脑革命一样重要，能够实现全新的应用程序，给行业带来颠覆性的创新。这将重新点燃对芯片的需求——创造对数量级计算能力的需求。2012 年，两个潜在的机会出现了：区块链和人工智能（AI）。

区块链（2010 年初以比特币的形式出现）的想法是通过移除分类账（银行）来完全取代金融系统，并提供一种建立远程交易的自认证手段。另外，构建区块链需要大量的算力，用来计算所谓的工作证明。这就是硅谷所希望的：一个新的、高利润的应用空间，此外还需要大量芯片来满足计算需求。

人工智能大约在 2012 年出现在硅谷雷达中，当时一位名叫 Geoff Hinton 的加拿大人在连接模型和神经网络领域与他的学生一起工作了 30 年，他们使用一个在 GPU 上实现的深度神经网络赢得了 ImageNet 对象分类竞争。就像区块链一样，这项技术可以开启一系列新的应用，并需要大量新的芯片。硅谷有很多人很快就看到了其中的潜力，资金开始源源不断地流入。

自上世纪 90 年代经历了神经网络的最后一个寒冬以来，神经网络学者们就一直蛰伏在大学的房间里，他们很快就看到了这个机会。然后他们被邀请参加硅谷的一个聚会。这种多层感知器的新化身在一段时间内不断地给出令人兴奋的结果：物体识别和分割、语音识别，机器翻译变得越来越好。这些新功能很快被谷歌和 Facebook 等拥有大量数据的公司所采用。但这种兴奋并没有持续得太久。

科学家都是训练有素的专业人士，擅长在资助提案中做出过度的承诺，现在他们有了一个更好的客户：风险资本家。这些人喜欢听到有关美好的未来的故事，他们认为这些故事将彻底改变一切。他们的废话检测器的准确率比政府资助机构设置得要低得多，甚至放弃对 NIPS 会议上发表的论文进行尽职调查。

在人工智能领域，这些童话故事被添油加醋，并被拿来与一些著名的科幻电影作比较，让人们看起来好像我们已经到达了 AI 的一个拐点——也就是所谓的奇点，在这个拐点上，AI 能够以人类无法想象的方式进行自我进化。这给人们造成了终极的 FOMO（害怕失去）。在过去，即使是政府资助机构也无法幸免成为人工智能承诺的受害者，每次都会导致资金冻结，即所谓的人工智能寒冬。

但硅谷相信这一切，并为它们埋单，创造了有史以来最大的人工智能夏季派对。研发中心、非营利性实验室和初创企业开始迅速壮大，大学刚毕业、没有任何行业经验的深度学习科学家也纷至沓来。

初创企业如雨后春笋般冒出来，在机器人、自动驾驶汽车、无人驾驶飞机等领域有望创造出各种奇迹。所有这些问题的解决方案都归结于深度学习——简单地说，就是在更多的数据和更大的 GPU 上进行更深入的训练。人们认为这样就会出现奇迹，只是需要更多的数据和更多的算力。

2018 年，一些人开始意识到事情可能不会像原先想象的那样发展。大多数“真实世界”的物体识别或分割基准开始出现明显的收益递减迹象。

使用极其强大的机器并基于大量的数据训练出来的模型在性能上只显示出有限的提升，而且在某些情况下根本没有任何性能提升。科学家们做了他们能做的事情：他们并没有产出实际的产品，而是写了很多论文，其中有一些揭示了新技术存在令人惊讶的局限性。

在深度学习被期待能够带来革命性变化的领域，只有一个领域一直有好的结果出现——游戏。这是因为游戏可以在计算机上实现，并且可以生成比在任何现实世界中的应用程序多几个数量级的数据。

在很多情况下，仅仅训练一个玩这些游戏的代理就需要花费数十万美元（仅仅是电力和计算硬件方面的开销）。但是，同样的技巧并不适用于实际的问题，因为被标记的数据非常昂贵。在所有这些人工智能的热潮中，莫拉维克悖论（https://en.wikipedia.org/wiki/Moravec%27s_paradox）变得比以往任何时候都更加清晰和明显。

人工智能进步的试金石是自动驾驶汽车。到了 2016 年，硅谷有很多人都相信这项技术已经准备就绪，并将成为深度学习的关键支柱之一——毕竟汽车已经可以在不受干预的情况下行驶数英里。这种信念是如此的强烈，以至于总部位于硅谷的汽车制造特斯拉开始将这一功能以在线升级的形式进行销售。

到 2019 年初，这种说法基本上消停了，还有几起有关销售汽化器的诉讼在进行中。与此同时，2018 年对很多自动驾驶汽车公司来说是艰难的一年。Uber AV 在亚利桑那州造成了致命的撞车事故，特斯拉的自动驾驶相关事故也造成了数人死亡。

此时，硅谷人开始慢慢地认识到，一辆完全自动驾驶的汽车，像出租车一样载着大家到处走，仍然是非常遥远的未来。当然，汽车将会继续搭载计算机，从这个意义上说，硅谷赢了，但这与之前的梦想相去甚远。

硅谷不再有奇迹，AI和区块链都是死路一条？